Investigadores de la Universidad Charles Darwin (CDU), la Universidad Internacional de Bangladesh y la Universidad Católica de Australia han desarrollado un avanzado modelo de inteligencia artificial (IA) capaz de detectar diversas enfermedades pulmonares con una asombrosa precisión del 96.57%. Este modelo, denominado TD-CNNLSTM-LungNet, se distingue por su capacidad para distinguir entre neumonía, COVID-19 y otras afecciones pulmonares a partir de videos de ultrasonido.
‍

Esta innovadora herramienta utiliza una combinación de redes neuronales convolucionales (CNN) y memoria a largo plazo (LSTM) para identificar patrones específicos en las imágenes de ultrasonido, alcanzando una tasa de "recall" del 96.51%, lo que indica un bajo número de falsos negativos, esencial para el tratamiento de las condiciones pulmonares.
‍

El TD-CNNLSTM-LungNet combina dos potentes modelos de IA: las CNN, que buscan patrones en las imágenes, y las LSTM, que analizan estos datos en un contexto temporal más amplio. Este modelo fue entrenado con un conjunto de datos de ultrasonido existente, superando a las herramientas de diagnóstico previas, cuya precisión oscilaba entre el 90% y el 92%.
‍

Uno de los aspectos más destacados de este modelo es su uso de técnicas de IA explicativa, cruciales para que los radiólogos comprendan las decisiones del algoritmo. Utilizando visualizaciones como mapas de calor, el modelo puede indicar las áreas de interés en las imágenes, facilitando la interpretación de los resultados.
‍

Este avance llega en un contexto crítico, donde las enfermedades pulmonares como la neumonía y el COVID-19 han tenido un impacto devastador. En EE. UU., la neumonía provoca más de 1 millón de hospitalizaciones y más de 50,000 muertes al año. A nivel mundial, la COVID-19 ha resultado en 396,558,014 casos confirmados y 5,745,032 muertes, según la Organización Mundial de la Salud (OMS).
‍

El estudio, publicado en la revista Frontiers in Computer Science, pone un énfasis especial en la automatización del diagnóstico de enfermedades respiratorias a partir de videos de ultrasonido. Para su entrenamiento, los investigadores utilizaron el conjunto de datos COVIDx-US, que es el primer y más amplio conjunto de datos de ultrasonido de acceso abierto dedicado a la analítica de COVID-19.
‍

Los resultados del modelo fueron notables: una precisión del 96.57%, con métricas adicionales que incluyen una precisión del 95.56%, "recall" del 96.51%, especificidad del 96.24% y F1 Score del 96.02%. Además, el TD-CNNLSTM-LungNet superó a otros modelos de aprendizaje por transferencia, como ResNet101V2, que alcanzó una precisión del 92.03%, y DenseNet121, con un 91.54%.

‍
Mirando hacia el futuro, los investigadores planean adaptar este modelo para detectar otras enfermedades pulmonares como tuberculosis, asma, cáncer y fibrosis pulmonar. También hay planes para su aplicación en otros tipos de imágenes médicas, como tomografías computarizadas (CT) y radiografías.